隨著科學(xué)的不斷發(fā)展,遙感技術(shù)正逐漸滲透于國(guó)家經(jīng)濟(jì)、生態(tài)環(huán)境、國(guó)防科技等諸多方面,并且發(fā)揮著不可替代的作用。高光譜影像分類技術(shù)是當(dāng)前遙感科學(xué)的主要研究方向之一,其目的在于確定遙感影像中的地物類別。較高的分類精度有助于人們更好地理解地物分布,因此尋求高分類精度的圖像分類算法有著重要的意義。當(dāng)前,分類算法眾多,然而因?yàn)楦吖庾V數(shù)據(jù)的特殊性,高光譜影像分類算法依然存在著較多問題。本文基于當(dāng)前分類算法存在的問題,提出兩種高光譜影像分類算法。主要研究工作描述如下:針對(duì)傳統(tǒng)高光譜影像分類僅利用光譜信息的問題,本文提出一種空-譜信息提取方法,有效地采集到光譜空間聯(lián)合信息�？紤]到當(dāng)前樹形集成方法在數(shù)據(jù)科學(xué)競(jìng)賽中的突出表現(xiàn),本文將輕量梯度提升機(jī)(Light Gradient Boosting Machine,LightGBM)算法用于高光譜影像分類中,進(jìn)而結(jié)合該空-譜信息提取方法,提出一種新型高光譜影像分類算法(K-means Cluster LightGBM,KC-LGM)。實(shí)驗(yàn)表明,該算法可以極大提高分類精度。傳統(tǒng)高光譜影像空-譜分類算法嚴(yán)重依賴領(lǐng)域內(nèi)知識(shí)、只能獲取“淺”層特征、需要人工合成特征;基于1...

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1高光譜圖像結(jié)構(gòu)

哈爾濱工程大學(xué)碩士學(xué)位論文曲線差別較大，同一類型的地物光譜曲線差異很小。因此，可以依據(jù)光譜高光譜影像進(jìn)行分類。高光譜遙感技術(shù)是遙感科學(xué)發(fā)展的一個(gè)主要趨勢(shì)，和學(xué)術(shù)界的廣泛關(guān)注。如今，高光譜遙感技術(shù)已經(jīng)被廣泛地應(yīng)用于地質(zhì)調(diào)、大氣科學(xué)研究、海洋科學(xué)研究以及農(nóng)業(yè)生產(chǎn)等諸多領(lǐng)域

圖1.2印第安農(nóng)田高光譜圖像立方體

關(guān)波段來表征地物相關(guān)特性。率下，光譜覆蓋的范圍更廣，可以于波段之間的相互校正。光譜、空間以及輻射信息。物類別的缺點(diǎn)：度，使得其數(shù)據(jù)量是單波段遙感的重影響分類準(zhǔn)確性。像機(jī)理復(fù)雜，數(shù)據(jù)量極高，這給幾的數(shù)據(jù)預(yù)處理過程帶來極高的難度波段間極高的相關(guān)性使得要獲得高，這恰恰與高光譜數(shù)據(jù)缺乏足....

圖2.1高光譜分類流程圖

將處理后的信息輸入分類器，就會(huì)得到各地物類別的標(biāo)簽。整個(gè)流程如圖2.1所示。圖2.1高光譜分類流程圖2.1.1監(jiān)督分類方法監(jiān)督分類算法利用有標(biāo)簽樣本中的先驗(yàn)信息訓(xùn)練分類器，然后使用訓(xùn)練好的分類器對(duì)未知類別的數(shù)據(jù)進(jìn)行分類。監(jiān)督分類最顯著的特點(diǎn)就是分類準(zhǔn)確性較高。但是在實(shí)際....

圖2.3PaviaUniversity數(shù)據(jù)集(a)假彩色合成圖像(b)參考地物

(a)(b)AsphaltBricksGravelMeadowsBitumenMetalsheetsBaresoilTreesShado圖2.3PaviaUniversity數(shù)據(jù)集(a)假彩色合成圖像(b)參考地物表2.2PaviaUnive....

本文編號(hào)：3939162